如何仅提取多Excel文件中Applicant-New工作表的数据？

问题原因 #

你的代码直接强制读取名为"Applicant-New"的工作表，但没有判断当前文件是否存在该工作表，也没有匹配你提到的「每个文件第二个工作表是Applicant-New或Applicant-Recurring」的前提条件，导致错误读取到非目标数据；另外代码未初始化consolidated_df，运行时会触发未定义变量错误。

解决方案 #

方案1：检查文件中是否存在目标工作表 #

先获取每个Excel文件的所有工作表名称，仅当"Applicant-New"存在时才读取数据：

import pandas as pd
import os

path = os.getcwd()
files_xlsx = [f for f in os.listdir(path) if f.endswith('.xlsx')]

# 初始化空的结果DataFrame
consolidated_df = pd.DataFrame(columns=["Application No."])

for file in files_xlsx:
    # 打开Excel文件并获取所有工作表名称
    xls = pd.ExcelFile(file)
    sheet_names = xls.sheet_names
    
    if "Applicant-New" in sheet_names:
        # 读取目标工作表
        df = pd.read_excel(xls, sheet_name="Applicant-New")
        new_row = {"Application No.": df.iloc[0, 0]}
        # 用concat替代已弃用的append方法
        consolidated_df = pd.concat([consolidated_df, pd.DataFrame([new_row])], ignore_index=True)

方案2：针对第二个工作表进行判断 #

根据你提到的「每个文件第二个工作表是两种之一」的前提，直接获取第二个工作表名称，判断是否为目标后读取：

import pandas as pd
import os

path = os.getcwd()
files_xlsx = [f for f in os.listdir(path) if f.endswith('.xlsx')]

consolidated_df = pd.DataFrame(columns=["Application No."])

for file in files_xlsx:
    xls = pd.ExcelFile(file)
    # 获取第二个工作表名称（索引从0开始，第二个对应索引1）
    second_sheet = xls.sheet_names[1]
    
    if second_sheet == "Applicant-New":
        df = pd.read_excel(xls, sheet_name=second_sheet)
        new_row = {"Application No.": df.iloc[0, 0]}
        consolidated_df = pd.concat([consolidated_df, pd.DataFrame([new_row])], ignore_index=True)

关键优化点 #

• 使用pd.ExcelFile先获取工作表列表，比直接读取更高效，适合批量处理文件
• 替换了pandas 2.0+已弃用的append方法，改用pd.concat保证兼容性
• 提前初始化consolidated_df，避免未定义变量错误
• 用f.endswith('.xlsx')替代f[-4:] == 'xlsx'，判断Excel文件更严谨

内容的提问来源于stack exchange，提问作者Rachael Loh